在進行可用性測試的時候，為了保證測試的有效性，必須考慮諸多因素。主要的因素有：

l 如何選擇測試參與者

l 需要多少參與者

l 研究比較多組數據還是單組數據

l 是否需要調整測試任務順序

其中，如何選擇測試參與者是保證測試有效性的首要條件。

在做可用性測試的時候，經常會有這一類的思考：如何保證被測人員的代表性？在實際操作中，一般我們會從下面4方面來做，

首先，我們會找那些使用過被測試產品的參與者。舉例來說，我們需要測試魔獸金幣購買流程，我們第一個篩選條件是要求有過魔獸金幣購買經歷。出于補充或者對比的需要，我們也會選擇一些潛在的用戶，如沒有交易過，但是使用過相關產品，像魔獸資深玩家的參與者來參與測試，這個我們后面會提到

其次，我們會選和用戶群體特征相近的人。根據統計的報告，從事游戲交易的用戶群體特征為：年齡：18-32歲，學歷：高中-大學，性別：男性絕大多數。因此，我們會選擇20歲左右，大專學歷，男性游戲玩家來參與測試。以符合用戶群體特征

第三，考慮到目標用戶群體的多樣性，我們有必要對參與測試人員進行分類，我們按分類抽取測試對象，以降低測試對象的局限性。如何抽取我們下面會討論。一般分類的標準有：（以購買為例）

l 專業化（游戲熟練程度）

l 使用頻率（最近購買次數）

l 行為（購買方式）

l 個體屬性（年齡、性別、學歷）

等等。

其中，和我們測試密切相關的分類標準有：專業化和使用頻率。

因此，我們在篩選的時候會選擇一定數量的其他分類用戶，如：按照游戲熟練程度：剛接觸游戲，2年左右游戲經歷和4年以上游戲經歷用戶；或者按照使用頻率：沒有購買過，以前購買過幾次和經常購買的用戶。來降低測試對象局限性。

第四，定量的可用性測試是為了把結果推廣到更大的群體（全體用戶），為了達到這個目標，我們還需要一個抽樣的策略，以消除個體差異，提高代表性。常用的抽樣方法有：

l 隨機抽樣：從所有參與者中隨機找一個

l 分層抽樣：將整體進行分類（同第三點）然后按照分類在各亞群體中有代表性的抽取。如：未接觸過游戲的10%，剛接觸游戲的30%，2年左右游戲經歷的30%，4年左右游戲經歷的30%。這個最具有代表性。

l 系統抽樣：根據預習定義的標準選擇測試者，這個一般用于同類數量比較大的情況，如：有100個參與者，但是條件限制只能測試10個，這樣我們根據10選1的標準選擇被測試者

l 方便抽樣：這個在人數少的時候最常用，我們設定一個簡單的條件，符合條件的，都可以參與測試，有點“來者皆有緣”的意味。但是這個方法要注意測試結果的偏差情況

考慮到上述四點以后，我們可以說的被測人員的代表性是有保證的。歡迎有不同意見的TX拍磚或者補充。

另外，在選擇參與者的時候，請注意和需求提出方及時溝通，和需求提出方在被測對象選擇方法和選擇范圍上達成一致。并把選擇策略寫入測試報告，以便在對測試報告解讀時提供支持。

原文：http://ued.5173.com/430.html